Learning to categorize lexical tones in sentences with variable narrow focus: A neural network approach
Notice bibliographique
Résumé
The surface F0 patterns of lexical tones contain variability from many different sources, which raises questions as to how infants can learn tones based on such highly variable input. A recent modeling study showed that the velocity profiles of F0 (i.e., first derivatives, or D1) enable naive learners to successfully categorize the four Mandarin tones despite cross-speaker and contextual variations [Gauthier, etal. ‘‘Recognising tones by tracking moments—How infants may develop tonal catagories from adult speech input,’’ in Proceedings ISCA workshop on plasticity in Speech Perception, edited by V. Dellwo (UCL Publications, London, UK, 2005) pp. 72–75]. The present study explores the robustness of D1 for categorizing Mandarin tones in sentences said with different focus conditions. As a contrastive communicative function, narrow focus within a multi-word utterance introduces extensive variability to F0, making tone learning a more challenging task. Using multi-speaker productions of utterances with systematically varied tones and focus [Xu, ‘‘Effects of tone and focus on the formation and alignment of contours. J. Phonet. 27, 55–105 (1999)], self-organizing neural networks were trained with both syllable-sized D1 and F0 as input, with no special treatment for different focus conditions. In the testing phase, novel tokens were tested for tonal categorization. The results revealed that D1 yielded overall excellent categorization, far superior than F0. Detailed analyses showed that with D1, performance of tonal recognition dropped only in post-focus regions. These findings indicate that successful tone learning can be achieved with velocity profiles as input despite variability introduced by focus.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».